[发明专利]一种基于自适应近邻正交最小二乘算法的光源重建方法

说明书

本发明公开了一种基于自适应近邻正交最小二乘算法的光源重建方法，其实现步骤如下：(1)获取测量数据；(2)归一化表面数据；(3)使用自适应近邻正交最小二乘算法进行重建，得到最优解；本发明适用于激发荧光分子断层成像以重建荧光源为目标的光学分子断层成像。基于本发明的重建采用自适应近邻正交最小二乘方法进行重建，引入自适应策略降低了重建问题的病态性，使用近邻策略选取最优支撑集，有效提高了荧光分子断层成像的重建质量和空间分辨率，在光学断层三维重建算法等领域有重要的应用价值。

技术领域

本发明属于分子影像领域，具体为一种基于自适应近邻正交最小二乘算法的光源重建方法。

背景技术

荧光分子层析成像(以下简称FMT)或荧光分子断层成像，利用外界光源对生物体内的荧光分子探针进行激发使其发光，发出的荧光通过生物体外部的设备进行采集，利用光传输模型和数学方法可以反演出生物体内部荧光探针的三维分布。它是一种非侵入式的光学分子成像技术，具有很强的特异性和敏感性。因此，在肿瘤检测、药物开发和疗效评价的预临床研究中具有巨大的潜力。但是，光子的强散射和表面测量数据的不足，使得FMT重建结果不稳定，重建结果的质量还有待提高，而这些进一步阻碍了FMT在早期肿瘤检测的应用进程。

FMT三维重建存在严重的病态性，在数学上是典型的逆问题。因为近红外光在生物体组织中具有强散射特性，同时，获取的表面荧光数据有限，并且还会有噪声的干扰，这大大增加了问题的不适定性。为了获得稳定而准确的解，各种正则化方法应用到FMT重建。

现在比较流行的正则化方法主要有基于L₂范数，L₁范数和L₀范数。其中，L₂范数的方法设计简单，计算快捷，但其过平滑性往往导致重建分辨率差。FMT的一个典型应用就是肿瘤早期检测模型，该模型中肿瘤相对成像目标来说具有显著的稀疏特性。为了利用稀疏先验信息，L₁范数和L₀范数正则化方法开始应用到该模型中。它们有效克服了L₂范数的过平滑弊端，解的稀疏性也较L₂范数有了很大的提高。因此得到了研究者的广泛关注和重视。

发明内容

为了提高荧光分子断层成像的重建结果质量，本发明提出了一种基于自适应近邻正交最小二乘算法的光源重建方法，求解基于L₀范数的正则化问题。该算法是典型的贪婪算法，它不需要事先知道变量的稀疏度，而是能够自适应的获取稀疏度，同时采用近邻策略选取最优支撑集，最终提高了荧光分子断层成像的重建质量和空间分辨率。

具体流程包括：

一种基于自适应近邻正交最小二乘算法的荧光分子断层成像方法，包括以下步骤：

步骤一、获取测量数据：采集目标生物体的表面荧光数据和解剖结构信息，对重建目标生物体进行有限元网格化，然后基于光子传输模型的扩散方程来近似模型，建立表面荧光数据与重建目标内部荧光团分布的线性关系；

Φ＝ΑX (1)；

其中，Φ为表面荧光数据，Α表示系统矩阵，X是要求解的重建目标内部荧光团的分布；

步骤二、归一化测量数据：将步骤一中的线性关系转化为L₀范数极小化问题：

||X||₀是0范数，表示非零元素数量，ε为给定的阈值；

步骤三、使用自适应近邻正交最小二乘算法进行重建，得到最优解X。

可选的，所述的步骤三具体包括：

X＝K_i(S_i)；